Laster katalogen …
Laster katalogen …
En multimodal reranker med 8 milliarder parametere fra Qwen som skårer relevans for tekst og bilder i en inndatakontekst på 32 768 token.
Oversikt. Qwen3-VL-Reranker-8B er en multimodal reranking-modell med 8 milliarder parametere fra Qwen. Den tar tekst og bilder som inndata, inkludert skjermbilder, og returnerer relevansskårer i stedet for generert tekst. Utviklere bruker den til å rangere multimodale søke- eller gjenfinningsresultater mot en forespørsel.
Viktigste styrker. Reranking-arkitekturen gir relevansskårer for å sammenligne kandidatresultater mot en forespørsel. Modellen støtter tekst og bilder som inndata, og modellkortet dokumenterer også støtte for skjermbilder og video, noe som gjør den egnet for gjenfiningsoppgaver som kombinerer språk med visuelt innhold. Den har en inndatakontekst på 32 768 token.
Når du bør bruke den. Bruk denne modellen når en behandlingskjede for gjenfinning skal sortere tekst- eller bildekandidater etter relevans for en forespørsel. Den passer til multimodale søkearbeidsflyter der skjermbilder eller annet visuelt innhold må vurderes sammen med tekst. Bruk den til skåring og rangering fremfor generering av fritekstsvar.
Begrensninger. Ingen resultater fra referansetester, svartidsklassifisering, domeneskårer eller informasjon om når treningsdataene slutter er verifisert for denne modellen. Dokumenterte utdata er en relevansskår, og det finnes ikke bevis for støtte for strømming, verktøykall, strukturert utdata eller innebygd håndtering av dokumentfiler.
Suverenitetsnotat. Qwen er modellskaperen, og tilgjengelige funn bekrefter ikke klassifisering for eksponering mot CLOUD Act eller regler for trening på inndata. Et IONOS-endepunkt er dokumentert som drevet i Tyskland, men endepunktets generelle regler for databehandling er ikke verifisert.
| Inferensleverandør | Suverenitet | Kjører i | Pris | Status | Lås |
|---|---|---|---|---|---|
| L1 | 0,04 € per 1M inndata-token | Tilkoblet |
7 bruksområder klassifisert av kuratoren. Notatet forklarer hvorfor.
Spesialbygd multimodal reranker med 8 milliarder parametere, bildeforståelse og et kontekstvindu på 32k. Den er tilpasset relevansskåring i andre trinn over kandidater med både tekst og bilder. Modellfamiliens røtter innen tekstreranking støtter dette, selv om modellen fremdeles har status som utkast.
Nyttig for å skåre kandidater på nytt etter en embedding-basert henting, men som reranker tilbyr den ikke i seg selv førstegangshenting (dense retrieval). Om den egner seg, avhenger av behandlingskjeden den ligger bak.
Modellen er en skåringskomponent uten konversasjonell generering, så den kan ikke lage svar til en chatbot på egen hånd. Den kan likevel hjelpe til med å rangere tekster fra en kunnskapsbase bak en chatmodell.
Omskriving av spørsmål krever tekstgenerering, noe denne skåringsorienterte rerankeren ikke tilbyr. Den er et dårlig valg for denne oppgaven selv om den godtar tekstspørsmål.
Bildeforståelse støttes, men modellen skårer relevansen mellom bilde og tekst i stedet for å svare på spørsmål om bilder. Bruk en multimodal genereringsmodell for dette bruksområdet.
En reranker skårer og sorterer kandidattekster i stedet for å generere svar, og oversikten viser ingen egenskaper for generering eller chat. Bruk den heller sammen med en generativ modell senere i behandlingskjeden.
Ingen verktøykall eller agentiske egenskaper er oppført for denne varianten, og som reranker kan den ikke planlegge eller bruke verktøy. Den egner seg ikke til roller innen orkestrering.
Innhentede tall, ikke våre egne evalueringer. Persentilene er mot rerangering-modellene på Stav.
Ingen benchmarkkilde ennå
curl https://api.stav.ai/v1/rerank \
-H "Authorization: Bearer $STAV_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model": "qwen/qwen3-vl-reranker-8b",
"query": "Which provider hosts in Norway?",
"documents": ["Green Mountain is in Stavanger.", "Paris is in France."],
"top_n": 1}'→ X-Stav-Request-Id · X-Stav-Model · X-Stav-Provider → X-Stav-Sovereignty-Level – nivået forespørselen ble betjent på